이와 같은 정의는 BI에 대한 최근 정의라는 것을 강조해야 하겠습니다. BI는 늘 업계의 화두로 숨 가쁜 논쟁 대상이었습니다. 고유 명사처럼 사용되는, 기존 비즈니스 인텔리전스는 원래는 1960년대에 조직 간의 정보 공유 시스템으로 등장했습니다. 1980년대에 들어, 의사 결정을 위해 데이터를 인사이트로 전환하는 컴퓨터 모델과 더불어 발전하여, BI팀에서 IT에 의존하는 서비스 솔루션과 함께 제공하는 특별한 서비스가 되었습니다. 최신 BI 솔루션은 유연한 셀프 서비스 분석, 신뢰할 수 있는 플랫폼상의 관리되는 데이터, 비즈니스 사용자의 역량 강화, 빠른 인사이트 도출을 우선시합니다. 이 문서는 BI에 대한 소개를 목적으로 하며, 빙산의 일각에 불과합니다. 다음 추가 리소스를 살펴보십시오,
- 기존 BI에서 최신 BI로의 전환을 둘러싼 6가지 오해
- 올해 상위 10가지 최신 비즈니스 인텔리전스 동향
- 비즈니스 인텔리전스 관련 서적
- 비즈니스 인텔리전스의 사용 실례 목록
- BI 플랫폼이 필요한 이유와 선택 방법
- 성공적인 비즈니스 인텔리전스 전략 개발 방법
- BI 대시보드에 관해 알아야 할 내용
비즈니스 인텔리전스의 예
Tableau의 '데이터 설명' 기능을 사용하면 데이터의 이상값과 추세에 대한 가능한 설명을 신속히 얻을 수 있습니다.
비즈니스 인텔리전스는 특정한 '무엇'이라기보다는 비즈니스 운영 또는 활동에서 얻은 데이터를 수집, 저장, 분석하여 성과를 최적화하는 프로세스와 방법을 망라하는 포괄적인 용어입니다. 이러한 모든 것이 합쳐져 비즈니스에 대한 종합적인 뷰를 생성하여 사람들이 실행 가능하며 더 나은 결정을 할 수 있도록 도와줍니다. 지난 몇 년간 비즈니스 인텔리전스는 성능 향상을 위해 더 많은 프로세스와 작업을 포함하는 방향으로 진화해 왔습니다. 다음 사항이 이러한 프로세스에 포함됩니다.
- 데이터 마이닝: 데이터베이스, 통계, 기계 학습을 사용하여 대규모 데이터 집합에서 추세 발견.
- 보고: 이해 관계자가 결론을 도출하고 의사 결정을 내릴 수 있도록 데이터 분석을 공유.
- 성과 메트릭 및 벤치마킹: 목표 대비 실적을 추적하기 위해, 대개 사용자 지정된 대시보드를 사용하여, 현재 실적 데이터와 과거 데이터를 비교.
- 설명적 분석: 예비 데이터 분석을 사용하여 어떤 일이 발생했는지 발견.
- 쿼리: 데이터에 특정 질문을 제기하면 BI가 데이터 집합에서 답을 가져옴.
- 통계 분석: 설명적 분석에서 결과를 얻고, 통계를 사용하여 그 데이터를 더 심도 있게 탐색(예: 어떻게 이런 추세가 발생했는지와 그 원인).
- 데이터 시각화: 더 쉽게 데이터를 활용할 수 있도록, 데이터 분석을 차트, 그래프, 히스토그램 같은 시각적 표현으로 변경.
- 시각적 분석: 시각적 스토리텔링을 통해 데이터를 탐색하여 즉시 인사이트를 전달하고 분석 흐름을 유지함.
- 데이터 준비: 다양한 데이터 원본을 컴파일하고 차원과 측정값을 선정하여, 데이터 분석에 사용할 수 있도록 준비.
비즈니스 인텔리전스는 왜 중요할까요?
훌륭한 BI는 비즈니스와 조직이 자신의 데이터에 대한 질문을 하고 답을 구할 수 있도록 지원합니다.
비즈니스 인텔리전스는 해당 비즈니스의 맥락에서 현재 데이터와 과거 데이터를 보여줌으로써 기업이 더 정확한 의사 결정을 내리도록 돕습니다. 분석가는 BI를 활용하여 실적 및 경쟁자 벤치마크를 제공할 수 있어서, 조직의 더 원활하고 효율적인 운영을 지원할 수 있습니다. 또한 분석가는 시장 추세를 더 쉽게 포착하여 매출 또는 수익을 높일 수 있습니다. 올바른 데이터는 효과적으로 사용된다면, 규정 준수부터 채용에 이르기까지 모든 영역에 도움이 됩니다. 다음은 기업이 더 현명한, 데이터 기반 의사 결정을 내리는 데 비즈니스 인텔리전스를 어떻게 사용할 수 있는지 보여주는 몇 가지 예입니다.
- 수익 증가 방법 파악
- 고객 행동 분석
- 경쟁자와 데이터 비교
- 실적 추적
- 운영 최적화
- 성공 예측
- 시장 추세 파악
- 사안 또는 문제 발견
비즈니스 인텔리전스 작동 방식
비즈니스와 조직에는 질문과 목표가 있습니다. 그 질문에 답하고 목표를 기준으로 실적을 추적하기 위해, 비즈니스와 조직에서는 필요한 데이터를 수집하고 분석하며, 목표에 도달하기 위해 취해야 할 조치를 결정합니다.
기술적 측면에서 보면, 비즈니스 활동으로부터 원시 데이터가 수집됩니다. 데이터는 처리된 후 데이터 웨어하우스에 저장됩니다. 데이터가 저장되고 나면, 사용자는 이 데이터에 액세스하여 비즈니스 질문에 대한 답을 구할 수 있는 분석 프로세스를 시작할 수 있습니다.
BI, 데이터 분석, 비즈니스 분석이 함께 작동하는 방식
비즈니스 인텔리전스에는 데이터 분석과 비즈니스 분석이 포함되지만 이 두 분석은 전체 프로세스의 일부일 뿐입니다. BI는 사용자가 데이터 분석으로부터 결론을 얻을 수 있도록 지원합니다. 데이터 과학자는 고급 통계와 예측 분석을 통해 데이터의 특정 부분을 자세히 분석하여, 패턴을 발견하고 향후 패턴을 예측합니다. 데이터 분석에서는 "왜 이 일이 발생했는지, 그리고 다음에는 어떤 일이 발생할 수 있는지"를 질문합니다. 비즈니스 인텔리전스는 이러한 모델과 알고리즘을 취해 그 결과를 실행 가능한 언어로 세분합니다. Gartner의 IT 용어집에 따르면 "비즈니스 분석에는 데이터 마이닝, 예측 분석, 응용 분석, 통계가 포함됩니다." 간단히 말해, 조직에서는 더 큰 규모인 비즈니스 인텔리전스 전략의 일환으로 비즈니스 분석을 수행합니다. BI는 특정 쿼리에 대한 답을 제공하고 의사 결정 또는 계획을 위해 한눈에 보이는 분석을 제공하도록 설계됩니다. 그런데, 기업은 분석 프로세스를 활용하여 후속 질문과 반복되는 작업을 지속적으로 개선할 수 있습니다. 하나의 질문에 답하는 것은 후속 질문과 반복으로 이어질 가능성이 높기 때문에 비즈니스 분석은 선형 프로세스여서는 안 됩니다. 더 정확히 말하면, 그 프로세스를 데이터 액세스, 발견, 탐색, 정보 공유가 순환하는 것으로 생각해야 합니다. 이를 분석 주기라고 하는데, 비즈니스에서 변화하는 질문과 기대에 부응하기 위해 어떻게 분석을 사용하는지 설명하는 최신 용어입니다.
기존 BI와 최신 BI의 차이점
최신 BI는 셀프 서비스 분석과 신속한 인사이트 도출을 우선시합니다.
지금까지 비즈니스 인텔리전스 도구는 기존 비즈니스 인텔리전스 모델을 기반으로 했습니다. 이 모델은 비즈니스 인텔리전스를 IT 조직에서 주도하는 하향식 접근 방식이었으며 대부분 또는 모든 분석 질문에 대해 정적 보고서 형식으로 답했습니다. 즉, 받은 보고서에 대해 후속 질문이 있는 경우, 그 요청은 보고 대기열의 맨 끝으로 가서 프로세스를 다시 시작해야 했습니다. 따라서 보고 주기가 느리고 번거로워 사람들은 의사 결정에 현재의 데이터를 활용할 수 없었습니다. 기존 비즈니스 인텔리전스는 정기 보고를 하거나 정적 쿼리에 대한 답을 구할 때 여전히 많이 사용되고 있습니다. 그러나 최신 비즈니스 인텔리전스는 대화형이며 접근이 쉽습니다. IT 부서가 데이터로의 액세스를 관리하는 중요한 역할을 계속 담당하면서도, 다양한 수준의 사용자가 대시보드를 사용자 지정하고 짧은 시간 안에 보고서를 만들 수 있습니다. 적절한 소프트웨어만 있다면, 사용자는 데이터를 시각화하고 자신의 질문에 답을 할 수 있게 되었습니다.
주요 산업에서 비즈니스 인텔리전스를 사용하는 방식
미국 경제의 장기적 추진 요인을 보여주는 경제 지표 대시보드의 예입니다.
의료 서비스, 정보 기술, 교육 등 다양한 분야에서 시대를 앞서 BI를 채택해 왔습니다. 어떤 조직이라도 데이터를 사용하여 운영 방식을 전환할 수 있습니다. 금융 서비스 회사인 Charles Schwab에서는 비즈니스 인텔리전스를 사용하여 미국 전역의 모든 지점에 대한 종합적인 뷰를 통해 실적 메트릭을 보고 이해하며 기회가 있는 분야를 식별해 냈습니다. Schwab에서는 중앙 비즈니스 인텔리전스 플랫폼에 액세스하여 전체 지점 데이터를 하나의 뷰로 가져올 수 있었습니다. 이제 지점 관리자는 투자 요구에 변경 가능성이 있는 고객을 파악할 수 있습니다. 또한 경영진에서는 어떤 지역의 실적이 평균 이상인지 또는 이하인지 추적할 수 있고, 지역의 실적을 주도하는 지점을 클릭하여 확인할 수 있습니다. 이러한 과정을 통해 고객 서비스가 향상됨과 동시에, 최적화 기회도 증가합니다.
비즈니스 인텔리전스 도구와 플랫폼
많은 셀프 서비스 비즈니스 인텔리전스 도구와 플랫폼이 분석 프로세스를 간소화해 줍니다. 이로써 사람들이 데이터를 스스로 분석할 수 있는 기술 지식이 없더라도 쉽게 데이터를 보고 이해할 수 있습니다. 다양한 수준의 사용자가 애드혹 보고나 데이터 시각화, 사용자 지정된 대시보드 구축을 할 수 있는 BI 플랫폼이 많이 있습니다. 최신 BI 플랫폼 평가를 살펴보시고, 조직에 적합한 BI 플랫폼을 선택할 수 있도록, 필요한 권장 사항을 참조하시기 바랍니다. 비즈니스 인텔리전스를 표현하는 일반적인 방법 중 하나는 데이터 시각화를 통한 것입니다.
시각적 분석과 데이터 시각화의 이점
시각적 분석을 사용하면 데이터 분석의 흐름이 유지됩니다.
비즈니스 인텔리전스를 표현하는 일반적인 방법 중 하나는 데이터 시각화를 통한 것입니다. 인간은 시각적 존재로 패턴이나 색상 차이에 아주 민감합니다. 따라서 데이터 시각화는 사람들이 더 접근하기 쉽고 이해하기 쉬운 방식으로 데이터를 보여줍니다. 비주얼리제이션을 대시보드로 컴파일하여 신속하게 스토리를 전달하며, 원시 데이터를 수동으로 분석할 때는 쉽게 발견할 수 없는 추세나 패턴을 하이라이트할 수 있습니다. 이러한 접근성은 또한 데이터에 관한 많은 대화를 가능하게 하여 비즈니스에 광범위한 영향을 미칠 수 있습니다.
기업에서 셀프 서비스 비즈니스 인텔리전스(SSBI) 사용
오늘날에는 더 많은 조직이 데이터로의 셀프 서비스 접근 방식을 특징으로 하는 최신 비즈니스 인텔리전스 모델로 이동하고 있습니다. IT는 사용자가 직접 데이터와 상호 작용할 수 있도록 하면서, 데이터(보안, 정확성, 액세스)를 관리합니다. Tableau와 같은 최신 분석 플랫폼에서는 조직에서 분석 주기의 모든 단계(Tableau Prep에서 데이터 준비, Tableau Desktop에서 분석 및 발견, Tableau Server 또는 Tableau Cloud에서 공유 및 거버넌스)를 처리할 수 있도록 지원합니다. 이는 IT팀이 데이터 액세스를 관리하는 동시에, 더 많은 사람이 자신의 데이터를 시각적으로 탐색하고 인사이트를 공유할 수 있도록 지원할 수 있게 됨을 의미합니다.
비즈니스 인텔리전스의 향후 역할
비즈니스 요구 사항과 기술에 따라 비즈니스 인텔리전스가 지속적으로 진화하고 있으므로, Tableau는 사용자에게 최신 혁신 기술을 제공하고자 매년 최신 동향을 파악하고 있습니다. 인공 지능(AI)과 기계 학습이 앞으로 계속 성장할 것이며, 회사는 AI로부터 얻은 인사이트를 더 넓은 범위의 BI 전략에 통합할 수 있을 것입니다. 기업이 더욱 강화된 데이터 기반 기업이 되기 위해 분투함에 따라, 데이터 공유와 공동 작업에 대한 노력은 더욱 증대될 것입니다. 데이터 시각화는 여러 팀과 부서 간의 협력에 더욱 핵심적인 요소가 될 것입니다. 이 문서는 비즈니스 인텔리전스라는 세계에 대한 간단한 소개일 뿐입니다. BI는 거의 실시간으로 매출을 추적하는 기능을 제공하고, 사용자가 고객 행동에 대한 인사이트를 발견하고 수익을 예측할 수 있게 하는 등 다양한 기능을 제공합니다. 소매, 보험, 석유 같은 다양한 산업에서 이미 BI를 채택했으며 이에 동참하는 산업이 매년 늘고 있습니다. BI 플랫폼은 신기술과 사용자 혁신을 유연하게 반영합니다. 상위 10가지 최신 BI 동향을 살펴보시고, 비즈니스 인텔리전스의 각종 동향과 변화에 대한 최신 정보를 얻으십시오.